一种融合图结构的阅读理解答案预测方法

摘要：

机器阅读理解(简称阅读理解)是自然语言处理领域的一项重要任务.目前基于深度学习的阅读理解模型在一些数据集上(如SQuAD)取得了很好的性能,但是这些模型不能有效整合句法结构、句子间长距离语义信息,对问题和篇章理解得不够充分.为解决以上问题提出一种新方法,该方法利用图结构对句子内部的句法结构与句子间的语义关系进行建模,然后与基于注意力机制的表示进行融合,最终形成对篇章与问题更好的理解与表示.同时,该方法还引入问题分类任务,与问答任务共同形成多任务学习框架,进一步优化了问题与文本的表示,获得了更好的答案预测准确率.相关数据集上的实验结果表明,所提方法取得了比基线模型更好的效果.

关键词：机器阅读理解;图结构;图注意网络;深度学习

所属期刊栏目：35

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金资助项目61673248,62076155

在线出版日期：2021-10-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：415-423